有家公司的客服 Agent 里塞了 12 个专家子 Agent。品牌调性对不齐，延迟还上去了。Datawhale
Anthropic 应用团队说，配好 Skills 的单 Agent，往往比复杂的子 Agent 架构更好用，成本和延迟也更低。
2026 年 10 月 22 日，OpenAI 和 Anthropic 几乎同时发布生产级 Agent 的工程实践。两边说的是同一句：企业 Agent 架构，普遍做复杂了。
先看钱。10 月起，埃森哲给员工每月 29 美元的 Claude 额度，超出记到项目账上。Ramp 的数据更直接：模型托管和推理支出里，99.5% 来自花钱最多的那 10% 的公司。AI信息Gap
七巨头的人均营收从 2023 年初的约 56 万美元涨到约 78 万，剩下 493 家还在 50 万上下。模型买得起，卡住的是模型外面那层东西。AI信息Gap
OpenAI 的办法很土：派工程师进驻客户公司。一个半导体客户的驻场工程师此前没做过芯片设计，和客户一起搭评估体系，看 AI 能不能生成测试用例、诊断故障。
三到六个月，十几个用例上了生产。生成定向测试省下约 48% 的时间，内核优化带来 22% 的性能提升，几周的调试被压到几小时。再用 Codex 重构，定制代码砍掉约 90%。知乎
Anthropic 盯的是架构。中央编排器加一堆专家子 Agent，是最常见的画法。他们发现，模型够强后，渐进式披露加工具搜索的单循环往往更好，成本延迟都更低。知乎Datawhale
Claude Code 团队甚至把系统提示词精简了 80%。砍掉的内容改成需要时再加载。子智能体只留少数非它不可的场合，其余折叠回主循环。知乎
但同一周，另一批人在往反方向走。TrueFoundry 从开源 harness TrueForge 里总结规则：上下文是预算，沙箱是工具不是包装，只对不可撤销的动作设门。GardenSeed
14 个任务的 Enterprise-Bench 上，准确率与 Claude Managed Agents 持平，token 少约 62%，单次成本低约 28%。GardenSeed
华为开源的 Nexent 走得更远，把 harness 做成了配置。一个生产 Agent 就是一份 agent.json：提示词、工具、子智能体、max_steps、验证配置。客服宽松验证，财务严格验证加沙箱。AgentTeam2026
验证失败时它不抛异常，把原因写成 observation 注入下一轮，修不好就输出"受控失败"。AgentTeam2026
两边说的不是同一层。
OpenAI 和 Anthropic 在拆编排：谁调用谁、要不要中央调度器、子智能体怎么分工。这一层在变薄，因为模型自己越来越会规划、执行、检查。
TrueFoundry 和 Nexent 在加控制：模型能看见什么、能做什么、花多少钱、出错怎么停。这一层在变厚，活越重要，越需要外面有东西兜底。
Anthropic 平台工程负责人 Katelyn Lesse 说得更彻底：别把智能体关在盒子里，而是把"大脑"和"双手"分开，让它碰不到凭证。知乎
模型越强，控制越不能省。敢把重要的事交出去，才更需要一道能喊停的闸。
四件事。
第一，给每个子智能体找一个留下来的理由。能隔离上下文、能并行、能独占工具，才站得住。去掉它任务照样完成，就是多一个故障点。
第二，把不可撤销的动作挑出来，执行前设门。删库、转账、发邮件、改生产配置。其余步骤不必逐个审批，审批太密等于没有。
第三，验证失败别直接抛给用户，写成 observation 喂回下一轮。修不好就交受控失败，别让模型编一个像模像样的答案。
第四，评测看端到端。别报"组件准确率 95%“，报"这类任务完成率多少、单次成本多少”。
19 世纪末，工厂把蒸汽机换成电机，生产率几乎没变。直到厂房改单层，机器按物料流动重排，每台设备配小电机，效率才上去。AI信息Gap
换模型不重排产线，结果差不多。也别把 Agent 架构绑死在某个模型版本上。知乎
今天多的壳，明年可能就是负债。
